基于灰度共生矩阵和神经网络的Si3N4陶瓷推挤加工表面纹理分析

摘要

基于边缘破碎效应驱动裂纹软推挤加工是一项新颖的加工技术.通过采集Si3N4陶瓷的软推挤加工表面形貌,运用灰度共生矩阵(GLCM)分析了对比度、熵、相关性3个特征参数与加工表面纹理分布的内在关系.通过径向基网络和竞争层网络两类神经网络的分工协作,对不同加工参数下已加工表面的纹理特征进行预测和分类,其预测结果的相对误差能控制在5％之内.随着对比度和熵越大,相关性越小;分类等级越大,表面平整程度越差.通过系统实验探讨了各加工参数对纹理特征的影响,可靠地评估了加工质量的优劣.随着车刀进给速度或槽深的增大,加工表面质量变差;随着凸缘厚度的增大,加工表面质量先逐渐变差,但经过凸缘厚度2.5 mm分界点后却又有所改善.